【R语言】三种批量做T检验的方法 |
您所在的位置：网站首页 › r语言t检验图 › 【R语言】三种批量做T检验的方法 |
【R语言】三种批量做T检验的方法
|
t检验相信大家应该都不陌生。不管是大学里面的数理与统计，还是研究生阶段的生物统计学，里面都会提到t检验。 小编也给大家总结过一些统计学相关的知识 ☞统计学中数据分析方法汇总！ ☞统计学知识大梳理 ☞100个统计学 & R语言学习资源网站 R语言里面也有专门做t检验的函数，t.test。 ☞R入门教程——cookbook for R ☞R语言入门-工欲善其事必先利其器 t检验的应用场景也很多，比如我们经常做的差异表达分析就可以使用t检验来做。当我们手上有很多基因的时候，该如何做t检验会更有效率呢？今天小编就给大家介绍三个批量做t检验的方法。我们这里使用的数据是 ☞m6a甲基化相关基因boxplot并显示p值 这篇文章中用到的m6a甲基化相关的16个基因在TCGA-CHOL（胆管癌）中的表达情况。其实这里我们是做了16次t检验才得到每个基因的p值的。  首先我们把16个m6a基因得表达谱读进来，最后一列为样本类型，也是我们待会做t检验时候的分组依据。具体如何得到这个表达矩阵可以参考 ☞m6a甲基化相关基因boxplot并显示p值  #读取16个m6a甲基化相关基因在CHOL中的表达量
m6a_expr_type=read.table(file="m6a_expr_with_type.txt",header=T,sep="\t",row.names=1)
#获取16个m6a基因的名字，最后一列为样本类型
m6a_sym=names(m6a_expr_type)[1:(ncol(m6a_expr_type)-1)]方法一、原始一点的方法，for循环 #生成一个空向量来存放计算出的p值 pval=c() #for循环16次计算每个基因的p值 for(gene in m6a_sym){ #根据type来将样本分成两组 p=t.test(m6a_expr_type[,gene]~m6a_expr_type$type)$p.value #存放p值 pval=c(pval,p) } #输出p值看看 pval 方法二、使用plyr和reshape2 #如果没有安装plyr和reshape2这两个R包，先去掉下面两行的#，运行进行安装 #BiocManager::install("plyr") #BiocManager::install("reshape2") #加载plyr和reshape2包 library(plyr) library(reshape2) #melt对m6a_expr_type数据格式进行转换 ddply(melt(m6a_expr_type),"variable", function(x) { w % group_by(variable) %>% t_test(value ~ type) #输出result result你会发现跟前面使用for循环和ddply方法得到的结果是一样的  再给大家分享两个小技巧，在计算原始p值的同时，我们还能计算校正之后的p值 #使用fdr方法对原始p值进行校正 result=melt(m6a_expr_type) %>% group_by(variable) %>% t_test(value ~ type) %>% adjust_pvalue(method = "fdr")你会发现在这张表的最后两列，我们得到了原始的p值和经过FDR方法校正之后的p值  在下面这张图上其实显示的是将p值转换成相应的*（星号），前面我们也给大家介绍过☞【R语言】P值转换成*** 其实这里我们可以一次性通过rstatix这个包得到原始p值，FDR校正之后的p值以及转换成对应的***。 #一次性得到原始p值，FDR校正之后的p值以及转换成对应的*** result=melt(m6a_expr_type) %>% group_by(variable) %>% t_test(value ~ type) %>% adjust_pvalue(method = "fdr") %>% add_significance("p.adj") #输出result result这样我们就可以直接将***画在图上了，具体画图方法可以参考 ☞m6a甲基化相关基因boxplot并显示p值  参考资料： ☞统计学中数据分析方法汇总！ ☞统计学知识大梳理 ☞100个统计学 & R语言学习资源网站 ☞R入门教程——cookbook for R ☞R语言入门-工欲善其事必先利其器 ☞m6a甲基化相关基因boxplot并显示p值 ☞【R语言】P值转换成*** |
【本文地址】
今日新闻 |
推荐新闻 |